Generador de vídeo con IA Kling 3.0
Kling 3.0 es el modelo audiovisual de vídeo de Kuaishou para crear movimientos controlados, sujetos estables y sonido sincronizado. Genera un clip de 3–15 segundos a partir de texto, una imagen o fotogramas inicial y final, con opciones de entrega de hasta 4K. Prueba Kling 3.0 hoy mismo en Shotyard.
Crea planos completos con Kling 3.0
Crea imagen y sonido conjuntamente
Genera elementos visuales y audio nativo en una sola pasada para que los diálogos, el ambiente y el movimiento partan de una misma dirección creativa.
Mantén reconocible al sujeto
Parte de una imagen o un par de fotogramas para guiar la apariencia, la composición y la acción durante los movimientos de cámara y los cambios de iluminación.
Elige una resolución de borrador o final
Alterna entre 720p, 1080p y 4K, y establece cualquier duración de 3 a 15 segundos según el formato de entrega previsto.
Principales capacidades de vídeo de Kling 3.0
- •Audio nativo: Kling 3.0 genera voz, sonido ambiente y efectos junto con la imagen en movimiento.
- •Continuidad del sujeto: La guía mediante imágenes ayuda a conservar personajes, productos, prendas y detalles de la escena reconocibles.
- •Dirección mediante pares de fotogramas: Utiliza un fotograma inicial obligatorio y uno final opcional para guiar la transición visual.
- •Clips cortos ampliados: Selecciona cualquier duración en segundos enteros, de 3 a 15 segundos, para completar una acción o escena.
- •Resolución de hasta 4K: Elige 720p, 1080p o 4K según la calidad de revisión y entrega deseada.
- •Texto legible en la escena: El modelo está diseñado para conservar la legibilidad de letreros, etiquetas y elementos visuales de marca.
Conserva un sujeto durante movimientos rápidos
Una imagen de referencia proporciona a Kling 3.0 un objetivo concreto de identidad y vestuario. Combínala con un prompt que describa la acción, el recorrido de la cámara y los cambios de iluminación. El resultado puede conservar detalles faciales y de vestuario clave mientras la escena pasa por entornos distintos.
| Imagen de referencia | Prompt | Vídeo generado |
|---|---|---|
![]() | Ella corre por un mercado ciberpunk iluminado con neones. Primero, se la ve esprintando hacia la cámara bajo luces de neón azules, con expresión feroz. Después, la cámara gira para seguirla mientras salta por encima de un puesto y entra en un callejón oscuro y lleno de vapor, iluminado por faroles rojos. Durante todo el movimiento dinámico y el cambio de iluminación de azul a rojo, sus rasgos faciales, su peinado y su atuendo táctico permanecen perfectamente uniformes y reconocibles. |
Dirige el orden de intervención y el enfoque de la cámara
Escribe directamente en el prompt la frase, la interpretación y el turno de cada hablante. Las instrucciones de cámara pueden reforzar después el intercambio mediante cambios de enfoque y encuadre. Esto facilita la dirección de escenas de diálogo breves como una única generación audiovisual.
| Prompt | Vídeo generado |
|---|---|
Una tensa reunión en una sala de juntas con dos personajes distintos sentados frente a frente. Personaje A (hombre mayor con traje gris): Se inclina hacia delante y dice con severidad: «El trato queda cancelado, Mr. Vance». Personaje B (hombre más joven con camisa azul): Sonríe con suficiencia, se recuesta en la silla y responde con calma: «Creo que debería reconsiderarlo después de revisar los datos». La cámara enfoca primero al Personaje A mientras habla y luego cambia selectivamente el foco al Personaje B para su respuesta. Se requieren una sincronización labial precisa y turnos de habla claramente diferenciados. |
Genera voz multilingüe con sincronización labial
Kling 3.0 puede generar diálogos en varios idiomas y alinear la voz con el movimiento de la boca del personaje. Describe el idioma, la voz, el tono, el ritmo y las pausas previstas. Estos detalles proporcionan al modelo un objetivo interpretativo más claro que el texto del diálogo por sí solo.
| Prompt | Vídeo generado |
|---|---|
Un primer plano de una entrevista de estilo documental con un anciano chef de sushi en Tokio. Mira directamente a la cámara con una cálida sonrisa. Habla japonés con fluidez: «El secreto del sushi no está solo en el pescado, sino en el corazón que pones en el arroz». (Se requiere generación de audio: voz masculina japonesa nativa, con tono sereno y sabio). Los movimientos de los labios deben coincidir perfectamente con las sílabas japonesas y reflejar las pausas sutiles y la respiración. |
Mantén las etiquetas legibles mientras el producto se mueve
Conservar el texto es importante cuando una etiqueta o un letrero debe seguir siendo reconocible mientras se mueve la cámara o el objeto. Indica la palabra exacta, describe su ubicación y especifica que debe permanecer nítida. Kling 3.0 puede mantener estas restricciones visuales durante una toma dinámica de estilo publicitario.
| Prompt | Vídeo generado |
|---|---|
Una toma comercial de producto para una marca ficticia de bebida energética llamada «BOLT». Una elegante lata de aluminio, con la palabra «BOLT» escrita en letras grandes, gruesas y amarillas, gira lentamente suspendida en el aire ante un fondo de agua salpicando. Las gotas de agua golpean la lata a cámara lenta. Mientras la lata gira 360 grados, el texto «BOLT» permanece perfectamente legible y nítido, sin transformarse ni deformarse, y conserva exactamente el estilo tipográfico de la imagen de referencia. |
Mantén una acción continua durante 15 segundos
Los clips cortos de mayor duración pueden contener una acción completa en vez de un fragmento. Describe la ruta del sujeto, la secuencia de entornos y el requisito de continuidad. Una duración de 15 segundos ofrece tiempo suficiente para desarrollar el movimiento y la transición visual.
| Prompt | Vídeo generado |
|---|---|
Una toma continua de seguimiento de 15 segundos que sigue a un golden retriever mientras corre por un paisaje cambiante. El perro comienza corriendo sobre el césped de un parque, pasa de forma fluida a correr por una playa de arena al atardecer y termina corriendo por un sendero de un bosque nevado. La transición entre los entornos es suave y onírica. La anatomía y el modo de correr del perro permanecen realistas y estables durante los 15 segundos completos, sin transformarse en otros animales. |
Cómo generar un vídeo con Kling 3.0
Define el punto de partida visual, los ajustes de entrega y la acción antes de renderizar.
Elige texto, imagen o fotogramas
Empieza solo con un prompt, añade una imagen JPEG o PNG, o proporciona un fotograma inicial y otro final opcional.
Configura el formato, la duración y la resolución
Para la generación a partir de texto, elige un encuadre cuadrado, vertical u horizontal. Después, selecciona entre 3–15 segundos y una resolución de 720p, 1080p o 4K.
Genera y revisa la toma
Renderiza el clip audiovisual, comprueba la continuidad del sujeto, el movimiento, el texto y el sonido y, después, descárgalo o revisa el prompt.
Elige el plan ideal para ti
Accede a todas las funciones de Shotyard, completa tareas rápidamente y consigue resultados profesionales con nuestra avanzada tecnología de IA.
Básico
- 300 créditos/mes
- Todas las funciones disponibles
- Descargas diarias ilimitadas
- Los recursos pertenecen al cliente
- Mayor velocidad de generación
- Asistencia prioritaria
Pro
- 1000 créditos/mes
- Todas las funciones disponibles
- Descargas diarias ilimitadas
- Los recursos pertenecen al cliente
- Mayor velocidad de generación
- Asistencia prioritaria
Max
- 2500 créditos/mes
- Todas las funciones disponibles
- Descargas diarias ilimitadas
- Los recursos pertenecen al cliente
- Mayor velocidad de generación
- Asistencia prioritaria
Prime
- 7000 créditos/mes
- Gestión de equipos
- Hasta 5 miembros del equipo
- Todas las funciones disponibles
- Descargas diarias ilimitadas
- Los recursos pertenecen al cliente
- Mayor velocidad de generación
- Asistencia prioritaria
Especificaciones del generador Kling 3.0
Ajustes verificados disponibles actualmente en el generador Kling 3.0 de Shotyard.
| Desarrollador | Kuaishou |
| Modos de entrada | Texto o una imagen; primer fotograma y último fotograma opcional |
| Relaciones de aspecto | 1:1, 9:16 o 16:9 para la generación a partir de texto |
| Resolución | 720p, 1080p o 4K |
| Duración | 3–15 segundos |
| Audio | Audio nativo habilitado |
| Carga de imágenes | JPEG o PNG; hasta 10 MB por imagen |
| Límite del prompt | 2,500 caracteres |
| Procesamiento estimado | Aproximadamente 180 segundos |
Última actualización: 28 de julio de 2026
Preguntas sobre la generación de vídeo con Kling 3.0
Respuestas basadas en los controles de Kling 3.0 disponibles actualmente a través de Shotyard.
¿Qué es Kling 3.0?
Kling 3.0 es el modelo de vídeo con IA de Kuaishou para la generación audiovisual. Mejora la continuidad de los sujetos, el movimiento, el audio nativo, la representación de texto y el control de escenas breves.
¿Qué modos de entrada están disponibles en Kling 3.0?
El generador actual admite un prompt de texto con una imagen opcional, o bien un fotograma inicial obligatorio con un fotograma final opcional. Cada espacio de imagen admite un archivo JPEG o PNG de hasta 10 MB.
¿Cuánto puede durar un vídeo de Kling 3.0?
Elige cualquier duración en segundos enteros entre 3 y 15 segundos. Usa un ajuste más corto para pruebas rápidas de movimiento y uno más largo cuando una acción o transición necesite tiempo para desarrollarse.
¿Qué resoluciones y relaciones de aspecto puedo elegir?
Las opciones de resolución son 720p, 1080p y 4K. La generación solo con texto ofrece 1:1, 9:16 y 16:9; los modos basados en imágenes siguen el fotograma subido en lugar de enviar una relación de aspecto independiente.
¿Kling 3.0 genera audio?
Sí. La integración actual de Shotyard solicita audio nativo con cada renderizado de Kling 3.0, lo que permite que el resultado incluya diálogos, sonido ambiente o efectos descritos en el prompt.
¿Este generador admite el modo multitoma de Kling 3.0?
La familia más amplia de modelos Kling 3.0 incluye herramientas multitoma, pero el generador actual de Shotyard utiliza flujos de trabajo de una sola toma con texto, imágenes y pares de fotogramas. No ofrece guiones gráficos multitoma ni referencias de elementos.
¿Cómo debo escribir un prompt para Kling 3.0?
Indica con claridad y en orden el sujeto, la acción, el entorno, el comportamiento de la cámara, la iluminación y el sonido. Para los diálogos, identifica a cada hablante y su frase; para productos o personajes, especifica los detalles visuales que deben mantenerse uniformes.
¿Dónde puedo usar Kling 3.0?
Puedes usar Kling 3.0 en Shotyard.

